信赖区间与信心水准
置信区间的计算与应用
置信区间的计算与应用一、引言置信区间是统计学中常用的一种方法，用于估计总体参数的范围。
通过计算样本数据的统计量，可以得到一个区间，该区间内有一定的概率包含了总体参数的真实值。
本文将介绍置信区间的计算方法和应用场景。
二、置信区间的计算方法1. 样本均值的置信区间当总体标准差已知时，样本均值的置信区间可以通过以下公式计算：置信区间 = 样本均值± Z * (总体标准差/ √n)其中，Z为给定的置信水平对应的Z值，n为样本容量。
当总体标准差未知时，可以使用样本标准差代替总体标准差，计算方法如下：置信区间 = 样本均值± t * (样本标准差/ √n)其中，t为自由度为n-1的t分布对应的t值。
2. 总体比例的置信区间当样本容量较大时，可以使用正态分布来计算总体比例的置信区间。
计算方法如下：置信区间 = 样本比例± Z * √((样本比例 * (1-样本比例)) / n) 其中，Z为给定的置信水平对应的Z值，n为样本容量。
当样本容量较小时，可以使用二项分布来计算总体比例的置信区间。
计算方法如下：置信区间 = 样本比例± Z * √((样本比例 * (1-样本比例)) / n) 其中，Z为给定的置信水平对应的Z值，n为样本容量。
三、置信区间的应用场景1. 市场调研在市场调研中，我们常常需要估计某一产品的市场份额。
通过抽取一定数量的样本进行调查，可以计算出总体比例的置信区间，从而估计出产品市场份额的范围。
2. 医学研究在医学研究中，我们常常需要估计某一治疗方法的有效性。
通过随机抽取一定数量的患者进行治疗，并观察其疗效，可以计算出样本均值的置信区间，从而估计出治疗方法的有效性的范围。
3. 质量控制在质量控制中，我们常常需要估计某一生产过程的平均值或比例。
通过抽取一定数量的样本进行检验，可以计算出样本均值或比例的置信区间，从而估计出生产过程的平均值或比例的范围。
四、总结置信区间是统计学中常用的一种方法，用于估计总体参数的范围。
置信区间与统计学中的效果评估
置信区间与统计学中的效果评估统计学是一门研究如何收集、分析和解释数据的学科。
在统计学中，我们经常需要评估某个变量的效果，以了解其对研究结果的影响。
而置信区间则是一种常用的统计工具，用于估计参数的范围。
一、什么是置信区间？置信区间是指对一个参数的估计范围，通常由一个下限和一个上限组成。
例如，我们想要估计某种药物的治疗效果，可以通过置信区间来表示该效果的可信程度。
一个置信区间的形式通常为：[下限，上限]。
置信区间的宽度越小，说明对参数的估计越准确。
二、置信区间的计算方法在统计学中，常用的计算置信区间的方法有两种：频率学派方法和贝叶斯学派方法。
频率学派方法基于大样本理论，假设数据来自一个总体，通过抽样来估计总体的参数。
常见的频率学派方法有正态分布法、t分布法和二项分布法等。
这些方法根据不同的分布假设，计算出参数的置信区间。
贝叶斯学派方法则基于贝叶斯定理，将参数看作一个随机变量，通过先验分布和观察数据来更新参数的后验分布。
贝叶斯学派方法通常需要先给出参数的先验分布，并通过贝叶斯推断来计算参数的后验分布，从而得到置信区间。
三、置信区间的应用置信区间在统计学中有广泛的应用，对于效果评估尤为重要。
以下是一些常见的应用场景：1. 医学研究：在临床试验中，我们常常需要评估某种药物的疗效。
通过计算置信区间，可以了解该药物的治疗效果的可信程度，进而决定是否推广使用。
2. 教育评估：教育研究中，我们经常需要评估某种教育干预措施的效果。
通过计算置信区间，可以确定该措施对学生学习成绩的影响，从而指导教育实践。
3. 市场调研：在市场调研中，我们常常需要评估某个产品的市场份额。
通过计算置信区间，可以确定该产品市场份额的范围，从而指导市场决策。
4. 社会调查：在社会调查中，我们常常需要评估某个社会问题的严重程度。
通过计算置信区间，可以确定该社会问题的范围，从而指导社会政策制定。
四、置信区间的解读在解读置信区间时，我们需要注意以下几点：1. 置信水平：置信区间通常会给出一个置信水平，例如95%置信区间。
置信区间在研究中的作用
置信区间在研究中的作用在统计学中，置信区间是一种用于估计总体参数的方法。
它可以帮助研究者确定一个范围，该范围内有一定的概率包含真实的总体参数值。
置信区间的作用在于提供了一种可靠的估计方法，使得研究者能够对总体参数进行推断，并对研究结果的可靠性进行评估。
一、置信区间的定义和计算方法置信区间是一个范围，用于估计总体参数的真实值。
它由一个下限和一个上限组成，表示了总体参数可能存在的范围。
置信区间的计算方法通常基于样本数据和统计分布的性质。
对于一个给定的置信水平（通常为95%或99%），置信区间的计算方法如下：1. 收集样本数据，并计算样本统计量（如均值、比例等）。
2. 根据样本统计量的分布性质，计算出一个临界值（如t值、z 值等）。
3. 根据临界值和样本统计量的标准误差，计算出置信区间的下限和上限。
例如，对于一个样本均值的置信区间，可以使用t分布来计算临界值，并根据样本均值的标准误差计算置信区间的下限和上限。
二、置信区间的作用置信区间在研究中具有重要的作用，主要体现在以下几个方面： 1. 参数估计：置信区间提供了一种对总体参数进行估计的方法。
通过计算置信区间，研究者可以得到一个范围，该范围内有一定的概率包含真实的总体参数值。
这样，研究者可以对总体参数进行推断，并对研究结果的可靠性进行评估。
2. 结果解释：置信区间可以帮助研究者解释研究结果。
当研究者得到一个置信区间时，可以根据该区间的位置和宽度来解释研究结果的可靠性。
如果置信区间较窄且包含了预期的总体参数值，那么研究结果就更加可靠。
相反，如果置信区间较宽或不包含预期的总体参数值，那么研究结果就可能不太可靠。
3. 假设检验：置信区间可以用于假设检验。
在假设检验中，研究者通常会根据置信区间来判断一个假设是否成立。
如果置信区间包含了假设的值，那么研究者就无法拒绝该假设；相反，如果置信区间不包含假设的值，那么研究者就可以拒绝该假设。
4. 样本大小确定：置信区间还可以用于确定样本大小。
率差的置信区间
率差的置信区间 以率差的置信区间为标题，我们来探讨一下这个统计学概念的含义和应用。
率差是指两个群体或样本之间的比较结果，比如两个不同产品的销售增长率、两个地区的失业率差异等。率差的置信区间是对这个差异的估计范围，用来衡量结果的可靠性。
率差的置信区间可以通过统计学方法计算出来。在计算置信区间时，我们通常需要确定置信水平（confidence level）和样本大小（sample size），常见的置信水平有95%和99%。置信水平越高，置信区间越宽，对结果的可靠性要求也就越高。
为了计算置信区间，我们需要先计算样本差异的标准误差（standard error）和临界值（critical value）。标准误差是对样本差异的估计标准，临界值是在给定的置信水平下，使置信区间包含真实差异的范围。
在得到标准误差和临界值后，我们可以计算置信区间的上限和下限。置信区间的上限和下限分别是样本差异加上或减去临界值乘以标准误差。这样就得到了一个区间，该区间内的值就是我们对真实差异的估计范围。
置信区间的意义在于，我们可以利用样本数据对总体差异进行估计，并且还能够给出一个范围，告诉我们这个估计的可靠程度。比如在市场调研中，我们可以利用率差的置信区间来判断两个产品在市场份额上的差异是否显著，从而制定相应的营销策略。
除了用于比较产品销售或地区失业率等指标外，率差的置信区间还可以用于研究医学领域的治疗效果、社会科学领域的政策效果等。通过计算置信区间，我们可以得到一个更全面的结果，而不仅仅是一个点估计。
需要注意的是，置信区间并不等同于可信区间。置信区间是对差异范围的估计，而可信区间则是对估计结果的可信程度的估计。置信区间是基于样本数据的统计推断，而可信区间是基于统计学原理的概率推断。
在实际应用中，我们需要根据具体的问题和数据来选择适当的置信水平和样本大小。较高的置信水平可以增加结果的可靠性，但会导致置信区间变宽，降低估计的精确性。较大的样本大小可以减小标准误差，提高估计的精确性，但可能会增加调查成本和时间。
置信区间结果解读
置信区间结果解读
置信区间是一种区间估计的方法，用于表示参数的真实值有一定概率落在测量结果的周围的程度。
其给出的是被测量参数的测量值的可信程度，即前面所要求的“一个概率”。
具体来说，置信区间可以视为一个范围，该范围内的值有一定置信度包含参数的真实值。
例如，如果在95%的置信水平下计算的置信区间为（a,b），则意味着有95%的概率认为参数的真实值落在（a,b）这个范围内。
或者说，如果进行多次抽样并计算置信区间，那么这些区间中有95%会包含参数的真实值。
需要注意的是，置信区间并不是参数真实值的精确范围，而是一个估计范围。
因此，在解读置信区间时，应该理解为参数的真实值有一定的概率落在这个范围内，而不是一定落在这个范围内。
同时，置信水平的选择也会影响置信区间的宽度和可靠性，需要根据实际情况进行选择。
置信区间的计算与解读
置信区间的计算与解读在统计学中，置信区间是用来估计总体参数的范围的一种方法。
通过置信区间，我们可以对总体参数的真实值进行估计，并且给出一个区间，该区间内有一定的概率包含了总体参数的真实值。
在实际应用中，置信区间的计算与解读是非常重要的，下面将详细介绍置信区间的计算方法以及如何解读置信区间的结果。
首先，我们来看一下如何计算置信区间。
在统计学中，置信区间的计算通常涉及到样本均值、标准差、样本容量以及置信水平等因素。
对于一个总体参数的置信区间，我们可以使用以下的公式来计算：\[ \bar{x} \pm z \times \frac{s}{\sqrt{n}} \]其中，\( \bar{x} \) 为样本均值，\( s \) 为样本标准差，\( n \) 为样本容量，\( z \) 为置信水平对应的临界值。
在实际计算中，我们通常使用标准正态分布或 t 分布的临界值来确定置信水平对应的 z 值。
以 95% 置信水平为例，对应的 z 值为 1.96（标准正态分布）。
如果我们有一个样本数据，样本均值为 100，样本标准差为 10，样本容量为 50，那么可以计算出 95% 置信水平下的置信区间为：\[ 100 \pm 1.96 \times \frac{10}{\sqrt{50}} \]通过计算，可以得到置信区间为 97.21 到 102.79。
也就是说，我们可以有 95% 的置信水平相信总体参数的真实值在 97.21 到102.79 之间。
接下来，我们来解读置信区间的结果。
在解读置信区间时，需要注意以下几点：1. 置信水平：置信区间给出了一个区间范围，该区间内有一定的概率包含了总体参数的真实值。
置信水平越高，对总体参数的估计越可靠，但置信区间的宽度也会相应增加。
2. 区间范围：置信区间的上限和下限分别代表了总体参数的上限和下限估计值。
在解读时，应该关注这个区间范围是否具有实际意义，以及该区间是否包含了我们感兴趣的数值范围。
置信区间的概念与构造方法
置信区间的概念与构造方法置信区间是统计学中用于估计总体参数的一种方法。
当我们进行抽样调查或实验研究时，往往无法获得总体的全部数据，只能通过样本来进行推断。
而置信区间就是基于样本数据，用来估计未知总体参数的范围。
一、概念置信区间是指通过样本数据计算出来的一个区间，这个区间有一定的概率包含了未知总体参数的真实值。
通常用一个置信水平来表示这个概率，常见的置信水平有95%和99%。
例如，当我们使用95%置信水平构造一个置信区间时，意味着我们有95%的把握认为该区间包含了总体参数的真实值。
二、构造方法构造置信区间的方法主要有两类：参数法和非参数法。
参数法适用于总体符合某种特定分布的情况，而非参数法则不对总体分布做出要求。
1. 参数法参数法基于总体分布的已知信息来进行估计。
常见的参数法包括：a. 正态分布的已知均值和方差：当总体呈正态分布且均值和方差已知时，可以使用正态分布的特性来构造置信区间。
b. 正态分布的未知均值和已知方差：当总体呈正态分布但均值未知，方差已知时，可以利用样本均值的分布特性，结合中心极限定理来构造置信区间。
2. 非参数法非参数法不对总体分布做出特定要求，适用于样本容量较小或总体分布未知的情况。
常见的非参数法包括：a. 中位数置信区间：通过对样本进行排序，计算出样本中位数及其置信区间，从而进行总体中位数的估计。
b. 百分位数置信区间：类似于中位数置信区间，通过计算样本的百分位数来进行总体百分位数的估计。
c. 自助法置信区间：自助法是一种基于重抽样的方法，通过对样本进行有放回的重复抽样，得到多个样本均值，并计算出其置信区间。
三、应用注意事项构造置信区间时需要注意以下几点：1. 样本容量：样本容量越大，置信区间的准确性越高。
2. 置信水平：置信水平越高，置信区间的宽度越大。
常见的置信水平有95%和99%。
3. 总体分布的假设：构造置信区间时，需要对总体分布做出合理的假设。
如果对总体分布的了解较少，可以使用非参数法进行估计。
置信区间的计算与解读
置信区间的计算与解读置信区间是统计学中常用的一种方法，用于估计总体参数的范围。
在实际应用中，我们往往无法获得总体的全部数据，而只能通过抽样得到一部分样本数据。
通过计算置信区间，我们可以利用样本数据对总体参数进行估计，并给出一个范围，以表明我们对估计结果的不确定性程度。
一、置信区间的计算方法置信区间的计算方法主要有两种：参数估计法和非参数估计法。
1. 参数估计法参数估计法是基于总体参数的已知分布进行计算的。
常见的参数估计法有正态分布的置信区间和二项分布的置信区间。
正态分布的置信区间计算方法如下：假设总体服从正态分布N(μ, σ^2)，样本容量为n，样本均值为x̄，样本标准差为s。
置信水平为1-α，α为显著性水平。
置信区间的计算公式为：x̄± Z(1-α/2) * (σ/√n)其中，Z(1-α/2)为标准正态分布的上分位数，可以在标准正态分布表中查找。
二项分布的置信区间计算方法如下：假设总体服从二项分布B(n, p)，样本容量为n，样本成功次数为x，置信水平为1-α，α为显著性水平。
置信区间的计算公式为：p̄± Z(1-α/2) * √(p̄(1-p̄)/n)其中，p̄为样本成功率，可以通过样本成功次数除以样本容量得到。
2. 非参数估计法非参数估计法是基于样本数据的分布进行计算的。
常见的非参数估计法有中位数的置信区间和百分位数的置信区间。
中位数的置信区间计算方法如下：假设样本容量为n，样本数据按升序排列，第k个观测值为中位数，置信水平为1-α，α为显著性水平。
置信区间的计算公式为：[x(k-1)/2, x(n-k+1)/2]其中，x(k-1)/2为第k-1个观测值，x(n-k+1)/2为第n-k+1个观测值。
百分位数的置信区间计算方法类似，只需将中位数的位置换成相应的百分位数的位置。
二、置信区间的解读置信区间给出了对总体参数的估计范围，通常以置信水平来表示。
置信水平越高，估计结果的可信度越高，但估计范围也会相应增大。
置信区间和置信度的解释与应用
置信区间和置信度的解释与应用标题：置信区间和置信度的解释与应用简介：在统计学与数据分析领域，置信区间和置信度是重要的概念。
本文将深入探讨置信区间和置信度的含义、计算方法和应用。
我们将从基础开始，逐步介绍这两个概念的概述，然后深入探讨它们的数学推导和实际应用。
通过对置信区间和置信度的全面讲解，读者将更好地理解如何使用统计学工具来推断样本的特征并对总体进行推断。
第一部分：置信区间和置信度的概述1.1 置信区间的定义和基本原理1.2 置信度的解释和意义1.3 如何选择合适的置信水平第二部分：计算置信区间2.1 总体均值的置信区间2.2 总体比例的置信区间2.3 总体方差的置信区间2.4 样本大小对置信区间的影响第三部分：置信区间的应用3.1 常见统计问题的置信区间解决方案3.2 如何解释和使用置信区间3.3 置信区间在决策制定中的作用第四部分：置信度和置信区间的评价4.1 置信度与置信区间的关系4.2 置信区间的准确性和稳定性评估4.3 置信区间与其他推断方法的比较第五部分：案例研究与实际应用5.1 产品质量控制中的置信区间应用5.2 市场调研中的置信区间应用5.3 医学研究中的置信区间应用结论：对置信区间和置信度的总结与回顾本文系统地解释了置信区间和置信度的基本概念，包括它们的定义、计算方法和应用。
通过深入探讨置信区间的各个方面，我们希望读者能够更好地理解这两个概念，并能够在实际问题中正确地应用统计学方法。
置信区间和置信度是统计学中一项重要的工具，它们可以帮助我们准确地进行推断和决策，并提供有效的信息支持。
观点和理解：置信区间和置信度是统计学中核心的概念之一。
在现实生活和学术研究中，我们经常需要对样本的特征或总体参数进行估计和推断。
通过置信区间的计算和解释，我们能够以一定的置信水平对总体真值进行推断，并评估估计结果的精确性和可靠性。
置信区间的应用范围广泛，涉及到各个领域和问题。
总之，置信区间和置信度的理解和应用对于正确地进行统计分析至关重要。
总体均值的置信区间
利用置信区间进行假设检验步骤
构造置信区间
首先根据样本数据构造出总体 均值的置信区间。
计算p值
为了进一步量化检验结果，可 以计算p值，即观察到的样本结 果或更极端结果出现的概率。
判断原假设是否成立
如果置信区间完全位于原假设 的拒绝域内，则可以拒绝原假 设；否则，不能拒绝原假设。
中心极限定理
即使原始数据不服从正态分布，只要 样本量足够大，样本均值的分布也会 趋近于正态分布，从而可以使用Z分 布法。
小样本情况下构建方法
t分布法
当样本量较小且总体方差未知时，样本均值的分布将服从t分布。此时，可以使用t分布法来构建总体 均值的置信区间。
Welch修正
当两个样本的方差不同或样本量不相等时，可以使用Welch修正的t检验来构建总体均值的置信区间。
样本量增加到一定程度后，置信区间收窄速度减缓
当样本量已经足够大时，再增加样本量对置信区间宽度的减小作用将变得有限。
如何确定合适样本量
根据预期效应大小确定样本量
考虑可接受的误差范围
如果预期效应较大，则所需样本量相对较 小；反之，如果预期效应较小，则需要更 大的样本量来检测这种效应。
在确定样本量时，还需要考虑可接受的误 差范围。较小的误差范围需要更大的样本 量来保证估计的精度。
总体均值估计方法
点估计
点估计是用样本统计量直接作为总体参数的估计值，例如用样本均值估计总体 均值。
区间估计
区间估计是在点估计的基础上，给出总体参数的一个估计区间，即置信区间。 通过构造合适的统计量，并利用抽样分布理论，可以确定置信区间的上下限。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
◎常態分配：
當數值資料組夠多時，直方圖中各長方形的中點用平滑曲線相連，就形成次數
分佈曲線圖，統計資料折線圖的形狀有很多種，如果其形狀是中間部分高聳，
而兩旁對稱下降，這種統計資料叫做常態分配。例如人類的身高、
智力測驗…。
特徵：常態分佈曲線圖是以數值平均數為中心對稱軸，左右對稱，圖形成鐘鈴
形的平滑曲線。
◎常態分配規則：
資料的平均數x，樣本標準差s，
68%的數值落在距平均數1個標準差的範圍內﹒即在〔￣x－s﹐￣x＋s〕內。
95%的數值落在距平均數2個標準差的範圍內﹒即在〔￣x－2s﹐￣x＋2s〕內。
99.7%的數值落在距平均數3個標準差的範圍內﹒即在〔￣x－3s﹐￣x＋3s〕內。
信賴區間與信心水準
◎信賴區間與信心水準：
報章﹑媒體經常利用民調來反映一般民眾對某些公共政策支持或反對的程度﹐
對某位行政首長施政的滿意或不滿意程度﹐對某位候選人支持或不支持的程
度…﹐例如﹔下面是某報社針對某位政治人物「從政生涯」表現的滿意度調查﹔
「…四成九民眾滿意﹐二成八不滿意﹐本次調查以臺灣地區住宅電話為母體作
尾數兩位隨機抽樣﹐成功訪問了932位成年人﹐在95%的信心水準下﹐抽樣誤
差在正負3.2個百分點以內」（96年4月）﹒在這項調查結果中﹔
(1) 所謂「抽樣誤差在正負3.2個百分點」的意義﹔將49%分別加﹑減3.2%﹐
可以得一區間為0.490.032,0.490.0320.458,0.522即表示全臺灣
的成年人中滿意此政治人物的「從政生涯」表現的真正滿意度p值﹐可能
會介於45.8%與52.2%之間﹐而對於區間0.458,0.522就稱為本次調查的
信賴區間0.458及0.522稱為信賴界限﹒
(2) 所謂「95%的信心水準」的意義﹔除非我們對全臺灣的成年人做全面的普
查﹐否則母體真正的滿意度p值是不可能得知的﹐而任何一次的抽樣都會
有誤差﹐所以我們並不能保證真正的滿意度p值一定會介於我們所推估
的信賴區間之中﹐而所謂的「95%信心水準」即表示﹔如果我們對母體抽樣
100次﹐而每一次抽樣結果都會得到一個信賴區間﹐那麼這100個信賴區
間中﹐約有95個會涵蓋母體真正的p值﹒
假如母體真正的滿意度為p時﹐若抽樣的樣本數夠多時﹐則抽樣的算術平均數會
等於p﹐而標準差為1ppn﹐又常態分布的規則告訴我們﹐大約有95%的數值
會落在距平均數2個標準差的範圍內
若母體真正的滿意度為p﹐而抽樣的樣本數為n﹐則 ^pn樣本中滿意的人數
表示此次抽樣中滿意的比例﹐而對 ^p 而言﹐有95%的機會會落在
〔^p－2 ^p（1－^p）n ﹐^p＋2 ^p（1－^p）n 〕範圍之間﹐但母體真正的p值
是未知的﹐經統計學專家運算得知﹐可以用 ^p 值取代未知的p值﹐
所以〔^p－2 ^p（1－^p）n ﹐^p＋2
^p（1－^
p）
n
〕就稱為本次調查在95%的
信心水準下的信賴區間﹒
【例1】
從實驗室的數據證實, 人的睡眠時數呈現常態分布 其平均數為7.5小時, 標
準差1小時. 根據此睡眠分布, 試估計下列各項所占的人數比例.
(1)睡眠時數超過7.5小時者.
(2)睡眠時數介於6.5到8.5小時者.
(3)睡眠時數不到8.5小時者.
解
(1)常態分布為左右對稱的分布 其平均數在曲線的中心點 所以約有50%的數
值超過7.5小時.
(2)6.5到8.5小時為與平均數相距1個標準差的範圍 根據689599.7規則 約
占68%的比例
(3)8.5小時在平均數以上1個標準差的地方 由圖知在此數的左邊區域的比例約
為
5068184
1001002100
.
【例2】
某報對總統施政滿意度進行調查 報導如下：
「滿意度為六成四 本次調查共成功訪問900位臺灣地區20歲以上的成年民眾
在95%的信心水準下 抽樣誤差為正負3.2個百分點.」
(1)這項調查的母體是什麼？樣本數為多少？
(2)受訪者中對總統施政滿意者約有多少人？
(3)算出這次調查的信賴區間.
解
(1)母體是臺灣地區20歲以上的成年民眾 抽出的樣本有900個.
(2)在900位受訪者當中 滿意度為六成四 即回答滿意者約有
90064100 = 576（人）.
(3)在95%的信心水準下 抽樣誤差為正負3.2個百分點. 信賴區間為「估計值
誤差界限」, 即[0.640.032,0.640.032][0.608,0.672]
【例3】
某報對臺北市市長選情做候選人支持度的調查﹐成功訪問了718位合格選民﹐
其中有345人表示支持甲候選人﹐則
(1)甲候選人的支持比例為何﹕
(2)在95%的信心水準下﹐本次調查的正負誤差為多少個百分點﹕
(3)試求95%的信賴區間﹒
解
(1)甲候選人的支持比例 ^p 345100%48%718p﹒
(2)在95%的信心水準下﹐誤差範圍為12ppn0.4810.4820.037718
∴本次調查的抽樣誤差為正負3.7個百分點﹒
(3)95%的信賴區間為
0.480.037,0.480.037
0.443,0.517
﹒